在2023年RSNA查 Mammography乳腺癌检测AI挑战中提交的算法的性能
Yan Chen1, George J W Partridge1, Maryam Vazirabad2
1Translational Medical Sciences, School of Medicine, University of Nottingham, Clinical Sciences Building, Nottingham NG5 1PB, United Kingdom.
Radiology
|August 12, 2025
概括
人工智能 (AI) 模型用于乳房扫描在检测乳腺癌方面表现有前途. 结合顶尖的人工智能算法提高了灵敏度,证明了提高选准确性的潜力.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 2023年RSNA查乳腺癌检测人工智能挑战旨在开发人工智能用于独立的乳腺癌解释.
- 提交了许多人工智能算法,以评估它们从查乳房影像中检测乳腺癌的能力.
研究的目的:
- 为了评估提交的AI算法的性能,用于乳房图解读.
- 探索将高性能AI算法结合到组合模型中的好处.
- 研究患者人口统计和临床因素对AI性能的影响.
主要方法:
- 在来自美国和澳大利亚的数据集上评估了1537个AI算法.
- 通过病理学检查证实了癌症检测;非癌症病例被跟踪至少一年.
- 通过结合顶级算法创建了整体模型,并分析了不同的人口和临床子组的性能.
主要成果:
- 所有人工智能算法的传感度中位数为27.6%,最高的算法达到48.6%.
- 前三名和前十名算法的集成模型显示了显著更高的灵敏度 (分别为60.7%和67.8%),同时保持了低的回忆率.
- 人工智能性能因位置而异,与澳大利亚数据相比,美国数据的灵敏度较低,对侵袭性癌症和非侵袭性癌症的灵敏度更高.
结论:
- 个别的人工智能算法在查乳房影像上识别出不同的乳腺癌.
- 整体模型显著提高了用于乳腺癌检测的AI灵敏度.
- 人工智能性能受癌症类型和患者群体特征的影响,需要进一步研究以获得公平的应用.
